试图理解为什么一个曾经参与的客户与你分手，往往会被不良信息、数据不足、错误的假设以及最终未满足的期望所笼罩。就像分析任何类型的关系 (浪漫或其他方式) 一样，很难确定最初的崩溃何时发生。通常，原因是复杂且趋同的: 含义不是黑白的，而是通常是随着时间的推移复杂问题的结果。
有时顾客只是离开，似乎无处不在。特别是在建立公司的早期阶段，这可能特别残酷。通常，您知道他们在很大程度上不开心，但是他们仍然是第五阶段的固执己见，仅仅是因为他们太懒惰或忠诚而无法朝任何一个方向前进。也许他们是你企业的人质，等待新的替代方案出现？
由于集中客户体验成为核心业务原则，并且提供卓越的客户服务仍然是公司在任何阶段的重要转换和保留策略，因此我们最好了解四种主要类型的客户，其起源可以归因于Albert O. Hirschman-退出，语音，忠诚和忽视。
在最近与CX Qualtrics主管和行业思想领袖卢克·威廉姆斯 (Luke Williams) 的一次对话中，我们谈到了赫希曼的框架，公司可以从这种方式思考客户中学到什么，以及如何不再足以将客户归入二进制 “快乐” 和 “不快乐” 类别。
通过深入了解客户逃离的原因，您的组织可以确定解决方案并制定恢复策略，以减轻未来的风险。这是我从威廉姆斯那里学到的东西。
1.退出客户。
一些顾客在没有警告的情况下，或者没有机会弥补他们的不足，就永远离开了。也许你在组织内的主要倡导者在续约过程中找到了一份新工作，而合同并没有被替换者视为高度优先事项。另一种情况: 客户不喜欢你的产品或讨厌你的产品，但漠不关心; 所以当谈到决策时间时，“meh” 赢了。
成功的客户体验计划需要在购买过程完成很长时间后进行持续，严格的分析，以使公司不会因意外退出而措手不及。公司和人一样，通常不是反社会的。换句话说，除非出现异常情况，否则如果有正确的杠杆，周到的CX策略将能够识别退出客户。
需要寻找的东西: 购买减少或平均 “篮子” 大小下降; 社交媒体对话，潜在的退出客户向他们的网络表达意见，而不是直接向公司表达意见。
2.语音客户。
欧内斯特·海明威曾表示: “我喜欢听。我从认真倾听中学到了很多东西。大多数人从来不听。”这是一个坚实而简单的事实。在这种情况下，大多数人或品牌都是可怕的听众。
尽管公司可能会因抱怨客户而感到恼火，但至少他们足够在意表达自己的需求。我的建议？接受建议，赢得战争。与退出客户不同，他们像聚会上的爱尔兰人一样默默地爬出来，而语音产品则向您发出明显的信号，表明他们没有满足他们的需求。
虽然通常很容易注销这些 “负面肿瘤” 和 “抱怨Carls”，但先进的CX程序将识别它们，倾听它们，努力解决他们的感知需求，然后就解决方案提供反馈。语音客户不会因为他们不开心或因为他们没有得到他们的方式而离开，他们通常会因为没有被听到而离开。
想象一下倾听 -- 真正倾听 -- 客户的竞争优势。这看起来很简单，但这是避免流失的一种尝试和真实的策略。此外，这些语音客户是品牌冠军。
3.忠诚的客户。
尽管经历了糟糕的经历，但有些客户会保持忠诚。他们什么也不会说，希望事情会好起来。但是忠诚度，甚至是长期的忠诚度，并不一定意味着与该客户建立了健康的关系，也不表明您的品牌正在恰如其分地满足客户的需求。
从某种意义上说，就理解组织内的实际问题与感知问题而言，忠诚客户是你最大的敌人。此外，如果您即将签订的合同的关键人物是忠实的客户，但被没有相同历史的人所取代，您可能会发现自己处于流失状态。
这里有几个方法可以避免这种情况。使用周到的参与策略，忠诚度和奖励计划来提醒他们为什么爱您。此外，激发他们提供反馈，这样您就可以了解到合理满意的客户可以在对话中增加哪些内容，从而使您变得更好。
4.忽视客户。
我们都可能读过对遭受情感和身体忽视的儿童的长期负面影响。由于没有得到所需的关注或支持，成年后他们通常缺乏信心或归属感。被忽视的顾客真的没什么不同。
其中一些客户会留下来，但他们预计情况会变得更糟。他们开始寻找替代方案，并发展成为未来的退出客户。为什么？因为无论出于什么原因，他们的客户体验都是交易，而不是关系。没有深刻的归属感或与品牌的关系，他们就没有忠诚度或发言权，因此总是濒临-一时兴起-远足。
您如何识别被忽视的客户？嗯，首先也是最重要的，好好看看你的组织围绕客户接触点的流程。您会定期给客户多少关注，这种关注的性质是什么？如果这只是来自您的CRM系统的标准电子邮件，您可能需要重新考虑一下。
很有可能，只要您的产品或服务为他们提供了他们所需要的东西，您就可以将被忽视的客户带回市场; 他们觉得品牌关心的是关系方面，而不仅仅是交易。
如果人类有一个超级大国，我认为一个非常有用的大国将是能够确定一个确切的时间和地点，在这个时间和地点，一个关系在其轴上移动，世界向侧面移动; 随后，如何让火车回到轨道上。但是，唉，我们不具备这种能力。但是，在业务环境中，我们现在可以访问技术和结构化数据集，从而可以更准确地描述何时以及为什么我们的客户关系出现问题。